这是一个VITS音频生成工具,加入了字幕生成功能。可以在生成音频的同时,自动生成srt字幕
你可以将大量的文本放进一个txt文件中,然后程序会自动对文本生成音频
txt文件中的每一行都会生成一个音频文件
当所有音频生成完毕后,会使用 pydub 将音频文件连接起来,输出一个长音频文件,同时还会创建与之匹配的srt字幕
你可以在Google Colab的Demo上尝试一下:
Path of a VITS model: D:\Download\243_epochs.pth
Path of a Json config file: D:\Download\config.json
Path of a txt file:D:\Download\text_file.txt
Path of a Output: D:\output
Do you want to set start number of wav file?y or n:(if you don't want to set,input n)
如果出现torch.cuda.is_available() is False
请尝试重新安装torch
你可以在pytorch找到适用于你的CUDA版本torch
为了简化代码,本工具将旧版本中由 ffmpeg 实现的音频连接功能,改写成由 pydub实现,旧版代码可以在 ffmpeg_concat 分支中找到
在连接音频成功后,会自动生成 srt 字幕
#default output
Do you want to concat all the wavfiles?(y or n):y
create mylist.txt success
copy silence audio success
在silent文件夹中,提供了一个时长0.7秒的静音文件,用于在不同句子之间,增加语音间隔
你需要将说话人的编号和文本内容隔开
分割符号为 |
Sample.txt:
1|こんにちは
5|今日もあなたに会えてとっても嬉しいです
0|可愛いですよ
5|こちらの部屋に来て下さい。
7|楽しみですよね
5|それじゃあ、始めますね
3|どうでしょうか?
5|来週楽しみにしていますね
2|よろしくお願いします
5|では、本日はここまで。
建议对文本进行预处理,尽量删除其中的空行和特殊符号
0001.wav
0002.wav
0003.wav
0004.wav
0005.wav
0006.wav
0007.wav
0008.wav
0009.wav
0010.wav
subtitle.srt
concat_all.wav
#subtitle.srt the subtitle of concat_all.wav
#concat_all.wav concat all audio files